AI Vibe coding就是拉屎 和擦屁股的过程

AI Vibe coding是“高产出伴随高幻觉”的拉屎过程，智能越高屎量越大但清理能力也越强，且Token成本显著增加。

1. 关键信息

• （之前已归纳）用户将AI Vibe coding比喻为“拉屎与擦屁股”的过程，初期AI生成内容带来即时满足感（“爽”），但后续需要大量整理、优化和迭代（“痛苦”）。
• （之前已归纳）整个过程形成一个循环：爽快产出（拉屎）- 产生问题（到处是屎）- AI辅助解决（清理大粪）- 重新开始产出。
• （之前已归纳）用户China.No.1分享经验，使用AI清理了自己3年的项目的前端和cronjob，发现了大量bug并修复，但也犯了不少错误。
• （之前已归纳）用户China.No.1表示offer.love网站和API目前都是AI生成的，效果尚可，但对于2B项目不敢完全依赖AI，仅在前端尝试，后端仍以line change为主。
• （之前已归纳）用户harvey8认为AI负责“开疆拓土，疯狂排泄”，码农负责“负重前行，含泪擦屁股”，并表示只要AI能把“屎拉得漂亮点”，愿意当“首席清道夫”。
• （之前已归纳）用户Divinealex和harvey8讨论了“拉屎”过程的爽快感，以及“擦屎”环节的必要性。
• （之前已归纳）用户China.No.1提到让AI自己“擦自己的屎”，并使用“Ask Gemini”skill来处理查不明白的问题。
• （之前已归纳）用户xmsley指出AI从无到有直接干出一个项目，可控度很差。
• （之前已归纳）用户SteveChen认为“代码和人有一个能跑就行”，并开始练跑步。
• （之前已归纳）用户Define_P比喻用ChatGPT“拉屎”堵了马桶就换Gemini，并认同让AI自己擦自己拉的屎会越弄越糟。
• （之前已归纳）用户Divinealex认为，不同AI有不同的“拉屎风格”，换一个AI来“审计”能更好地发现问题。
• （之前已归纳）用户Define_P补充，让AI自己擦自己拉出来的屎，往往会越擦越混沌，需要换一个AI来处理。
• （之前已归纳）用户CornHub表示，AI写一半人接着收拾的情况非常真实，只有用过的人才知道。
• （之前已归纳）用户realmomo认为AI清理代码时，AI会一边清理一边顺手又制造新的问题，这个比喻非常准确。
• （之前已归纳）用户eRic.DDDDDX用“Vibe shitting”来形象地描述AI Vibe coding的过程。
• （之前已归纳）用户Divinealex在29楼提出最新感悟，越聪明的AI，“屎量”越大（即代码生成效率高、幻觉比例大），但其清扫（修复/理解）能力也越强。
• （之前已归纳）用户Divinealex在30楼进一步解释，“屎量大”并非指代码行数多，而是指“拉屎”的效率和幻觉比例高；但优势在于，一旦定位到问题，智能更高的AI更能准确识别并处理这些“屎”。
• （之前已归纳）用户gin_m在31楼指出经济账，无论是“拉屎”（生成）还是“扫屎”（清理/优化），都需要消耗Token，这导致整体开发成本显著上升。
• 新增回复：用户Rosmontis在第32楼提出“manure is the new goldmine”，暗示AI生成的代码（即使是混乱的“屎”）中可能蕴含未被挖掘的价值或可复用的资产，视角从单纯的负担转向潜在资源。

2. 经验与数据点

• （之前已归纳）新增建议：在选择AI模型时，需权衡“智能程度”与“Token成本”。虽然更聪明的AI能产生更多幻觉（屎量更大），但其理解和修复能力也更强；开发者应评估自身对成本控制的需求，合理分配生成与清理环节的算力投入。
• 新增回复：用户Scotts在第33楼针对大型项目给出具体方法论：必须将项目抽象为单一功能并定好数据接口，然后让AI专注于单一功能的编写、优化及单元/edge case测试；否则直接让AI处理整体项目会导致“拉坨大的”，后续收拾成本极高。

3. 争议或不同意见

• （之前已归纳）有用户提出“vibe时候爽不爽”，暗示了对“拉屎”过程（即初期产出）的爽快感的认可。
• （之前已归纳）用户xmsley认为AI从无到有直接干出一个项目，可控度差，这与AI辅助优化（擦屎）的观点有所不同。
• （之前已归纳）realmomo的观点“AI一边清理一边顺手又制造新的问题”是对AI在“擦屎”环节效率和可靠性的进一步质疑，虽然不是完全的反对意见，但指出了AI在优化过程中可能带来的新问题。
• （之前已归纳）Divinealex的观点“不同AI有不同的‘拉屎风格’，换一个AI来‘审计’能更好地发现问题”暗示了对单一AI在“擦屎”环节可能存在的局限性的认识，需要通过切换AI来弥补。
• （之前已归纳）gin_m从成本角度提出了新的制约因素，即Token消耗带来的经济压力，这与单纯讨论技术可行性的观点形成补充，强调了实际落地中的成本考量。

4. 行动建议

• （之前已归纳）认识到AI Vibe coding的“拉屎与擦屁股”双重属性，享受初期产出的爽快感，并准备好后续的优化和迭代工作。
• （之前已归纳）考虑利用AI进行代码的“擦屎”环节，尤其是在优化和修复bug方面，AI可能比人类更有效率。
• （之前已归纳）当一个AI在生成或优化代码时出现问题，可以尝试切换到另一个AI模型来处理，以获得不同的视角和审计效果。
• （之前已归纳）对于AI生成的内容，即使是“拉屎”阶段，也要保持警惕，并准备好投入精力进行“擦屁股”工作。
• （之前已归纳）新增回复强调了AI辅助开发过程中，人工介入和收拾的必要性，建议开发者对此有清晰的认识。
• （之前已归纳）新增回复建议，在利用AI进行代码清理时，要警惕AI可能在清理过程中引入新的问题，需要密切关注和二次检查。
• 新增建议：针对大型项目，应严格遵循“接口先行、功能解耦”的原则，避免让AI直接生成整体架构；通过限定AI处理单一功能和测试用例，降低“屎量”失控的风险。